多周期量化策略
融合 15m、1h、4h、1d 上下文,输出方向概率、进场、止损、三档止盈、失效条件和期望 R。
Velora Bot
对话就是研究入口
从自然语言问题出发,Agent 先理解目标与限制,建立任务状态,规划证据缺口,再自主选择行情、K线、合约、新闻、预言机与链上工具,复核证据后给出结论。
系统能力
融合 15m、1h、4h、1d 上下文,输出方向概率、进场、止损、三档止盈、失效条件和期望 R。
识别交易所流入流出、稳定币部署、主流币潜在卖压,以及多钱包买入共振。
将链上异动、市场公告和重点社交账号更新推送至 Telegram、Discord、QQ 与飞书。
对比现货、合约标记价、指数价、CoinGecko 与 Chainlink,检测异常偏差。
抓取近期新闻和正文材料,并结合市场结构判断事件的潜在影响路径。
维护会话级任务栈,记录目标、限制、证据缺口、工具步骤和复核状态;连续提问时能延续上下文,授权后再保存有限记忆。
数学模型
当前引擎使用确定性统计特征、概率映射与证据复核。每一个方向判断,都保留原始数值、阈值解释、证据状态和风险条件。
HMM 状态识别已规划,但在获得足够历史标签并完成严肃回测前,不会包装成“已验证模型”。
过滤短线噪音,估计局部趋势水平与斜率。
区分趋势延续、随机游走和均值回归特征。
测量方向运动强度,并辨别多空趋势主导侧。
用对数收益离散度刻画实际波动,约束追单与仓位。
将方向概率和盈亏结构合并为交易期望,信号不足时转为观望。
数据源与链路
01行情侧按 Binance → OKX → CoinGecko 回退,稳定币采用 1:1 估值。
02链上标签和社交数据保留来源边界,不把推断包装成确定事实。
03PostgreSQL 保存用户权限、任务、记忆、广播、监控和 Agent 运行遥测,便于审计延迟、成本和证据状态。
关于项目
Velora Bot 不承诺预测市场。它的工作是把目标、证据、工具和风险放在同一条链路里,让使用者在行动前看见更多依据,也看见模型的边界。
保持联系